[发明专利]一种桥梁监测系统中超重车动态识别方法

说明书

本发明公开了一种桥梁监测系统中超重车动态识别方法，包括步骤：1)保证应变响应时间序列为平稳序列，若不是，将时间序列数据经过步差分和阶差分后变为平稳时间序列；2)使用SARIMA模型对时间序列数据建模，将模型的AR系数作为识别异常的关键特征，然后将同一截面不同传感器的系数串联得到特征向量；3)将AR系数特征向量输入降噪自动编码器进行训练，训练完成后，自动编码器网络结构中的中间层维度即为所需的关键特征，将此中间层维度作为最终的训练特征；4)将训练特征输入带有核函数的一类支持向量机进行无监督训练，训练结果为高维空间中的超球体，然后以此超球面判别测试数据是否为超重异常数据。本发明识别原理简单高效，具有较强的鲁棒性。

技术领域

本发明涉及大跨度桥梁超重车识别的技术领域，尤其是指一种桥梁监测系统中超重车动态识别方法。

背景技术

桥梁作为重要的交通枢纽，在实际环境中会受到外部不利载荷比如地震、船撞、大风、雨雪，超重车辆等的作用,而超重车由于发生频率高经常损坏桥梁结构，影响交通安全，对社会造成了重大的经济损失和人员伤亡。因此识别出超载车辆，并对超载车辆进行统计分析、通行管理，对于监测桥梁健康状况、桥梁状态评估、减少安全事故、延长桥梁使用寿命、指导车辆通行等具有重要意义。

目前的静态称重多采用特定的称重装置，装置价格昂贵且因为需要车辆静止而阻碍交通。动态称重系统因为其识别迅速不妨碍交通而逐渐流行，利用现有的桥梁监测系统中数据进行超重车动态识别已渐渐兴起。基于桥梁应变的识别方法需要建立行驶车辆和桥梁应变之间的关系，且需要设计专门的电路，对专业背景要求较高。基于影响矩阵的识别方法需要建立桥梁的有限元分析模型，分别计算各种特征载荷对传感器的影响，方法理论较复杂，要求使用者熟悉桥梁相关知识。基于关系曲线的方法一般需要建立车重和车速以及桥梁响应量之间的关系曲线，方法实施较困难，而且实验结果和车型有较大关系，导致精确度不高。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种桥梁监测系统中超重车动态识别方法，通过利用长时间高频率大跨径桥梁的监测系统数据(不包含异常天气情况)，分析超重车和普通车通过桥梁时桥梁的应变响应特点并提取相应特征，然后进行超重车的异常信号识别。

为实现上述目的，本发明所提供的技术方案为：一种桥梁监测系统中超重车动态识别方法，包括以下步骤：

1)保证应变响应时间序列为平稳序列，若不是，将时间序列数据经过步差分和阶差分后变为平稳时间序列，同时验证平稳时间序列的随机性；

2)由于温度和桥梁应变具有较大的联系，使用SARIMA(Seasonal AutoregressiveIntegrated Moving Average)模型对时间序列数据建模，将模型的AR系数作为识别异常的关键特征，然后将同一截面不同传感器的系数串联得到特征向量；其中，AR系数特征向量的影响因素包括车辆重量、车辆速度、温度、桥梁静态应变、噪音等；

3)将AR系数特征向量输入降噪自动编码器(Denosing AutoEncoder)进行训练，训练完成后，自动编码器网络结构中的中间层维度即为所需的关键特征，将此中间层维度作为最终的训练特征；

4)车载异常数据在监测数据中的占比低，因此该问题作为异常识别问题，将步骤3)结果中的训练特征输入带有核函数的一类支持向量机OneClassSVM进行无监督训练，训练结果为高维空间中的超球体，然后以此超球面判别测试数据是否为超重异常数据。